經(jīng)濟(jì)計(jì)量學(xué)精要

第1部分　引言與相關(guān)知識(shí)的復(fù)習(xí)　
　第1章　經(jīng)濟(jì)問題與數(shù)據(jù)
1.1　我們研究的經(jīng)濟(jì)問題
1.2　因果效應(yīng)與理想化實(shí)驗(yàn)
1.3　數(shù)據(jù)：來源與類型
概要總結(jié)
關(guān)鍵術(shù)語(yǔ)
復(fù)習(xí)概念
　第2章　概率論知識(shí)復(fù)習(xí)
2.1　隨機(jī)變量與概率分布
2.2　期望值、均值及方差
2.3　二元隨機(jī)變量
2.4　正態(tài)分布、卡方分布、Fm分布和學(xué)生t分布
2.5　隨機(jī)抽樣及樣本均值的分布
2.6　抽樣分布的大樣本逼近
概要總結(jié)
關(guān)鍵術(shù)語(yǔ)
復(fù)習(xí)概念
練習(xí)題
附錄　重要概念2.3中結(jié)論的推導(dǎo)
　第3章　統(tǒng)計(jì)學(xué)知識(shí)復(fù)習(xí)
3.1　總體均值的估計(jì)
3.2　關(guān)于總體均值的假設(shè)檢驗(yàn)
3.3　總體均值的置信區(qū)間
3.4　不同總體均值的比較
3.5　利用實(shí)驗(yàn)數(shù)據(jù)對(duì)因果效應(yīng)的均值差進(jìn)行估計(jì)
3.6　小樣本條件下使用t－統(tǒng)計(jì)量
3.7　散點(diǎn)圖、樣本協(xié)方差及樣本相關(guān)系數(shù)
概要總結(jié)
關(guān)鍵術(shù)語(yǔ)
復(fù)習(xí)概念
練習(xí)題
實(shí)證練習(xí)
附錄3.1　美國(guó)當(dāng)前人口調(diào)查
附錄3.2　y是uy的最小二乘估計(jì)量的兩種證明方法
附錄3.3　樣本方差一致性的證明
第2部分　回歸分析基礎(chǔ)
　第4章　一元線性回歸
4.1　線性回歸模型
4.2　線性回歸模型的系數(shù)估計(jì)
4.3　擬合優(yōu)度測(cè)量指標(biāo)
4.4　最小二乘假設(shè)
4.5　0LS估計(jì)量的抽樣分布
4.6　結(jié)論
概要總結(jié)
關(guān)鍵術(shù)語(yǔ)
復(fù)習(xí)概念
練習(xí)題
實(shí)證練習(xí)
附錄4.1 加利福尼亞州考試成績(jī)數(shù)據(jù)集
附錄4.2　0LS估計(jì)量的推導(dǎo)
附錄4.3　0LS估計(jì)量的抽樣分布
　第5章　一元回歸：假設(shè)檢驗(yàn)和置信區(qū)間
5.1　檢驗(yàn)單個(gè)回歸系數(shù)的假設(shè)
5.2 回歸系數(shù)的置信區(qū)間
5.3　X為二元變量時(shí)的回歸
5.4　異方差與同方差
5.5　最小二乘法的理論基礎(chǔ)
5.6　當(dāng)樣本較小時(shí)在回歸中如何使用t－統(tǒng)計(jì)量
5.7　結(jié)論
概要總結(jié)
關(guān)鍵術(shù)語(yǔ)
復(fù)習(xí)概念
練習(xí)題
實(shí)證練習(xí)
附錄5.1　0LS標(biāo)準(zhǔn)誤的計(jì)算公式
附錄5.2　高斯－馬爾可夫條件和高斯－馬爾可夫定理的證明
　第6章　多元線性回歸
　第7章　多元回歸中的假設(shè)檢驗(yàn)與置信區(qū)間
　第8章　非線性回歸函數(shù)
　第9章　基于多元回歸的評(píng)估研究
　第10章　利用經(jīng)濟(jì)數(shù)據(jù)進(jìn)行回歸研究
“復(fù)習(xí)概念”問題的答案
術(shù)語(yǔ)
重要概念
一般興趣框索引
譯者后記